Nature 在 6 月 21 日汇总的两项 2026 年同行评审研究，把一个争议推到了更具体的数据层面：AI 提高短期效率的同时，使用者在脱离工具后，核心技能可能出现下滑。医生和软件工程师都被纳入了量化观察，而且结果并不轻。
停用 AI 后，医生腺瘤检出率从 28.4%降到 22.4%
波兰 ACCEPT 试验聚焦的是已有充分临床经验的医生。参与者都完成过至少 2,000 次大肠镜检查，研究并非针对实习阶段人群。试验设计中，医生在部分诊疗日可以使用 AI 辅助系统，由系统实时分析肠道影像并标记疑似腺瘤；另一些日期则完全不使用 AI。
结果发表于《刺胳针-胃肠病学与肝病学》。数据显示，在引入 AI 之前，这批医生的腺瘤检出率为 28.4%；引入 AI 之后，他们在没有 AI 协助的场次中，检出率降至 22.4%，少了 6 个百分点。研究称，持续依赖 AI 工具，可能让临床医生在没有 AI 辅助时进行认知决策时变得更不积极、专注度更低，对结果承担的主观责任也更弱。
奥斯陆大学医生研究员 Yuichi Mori 表示，目前还没有已经确立的解决方案可以对抗技能退化，这会成为未来十年的热门研究议题。加州大学旧金山分校医生 Robert Wachter 的评论更直接：即便是高技能专业人士，依赖 AI 也可能让���职能力逐步退步。
52 名初级工程师随机对照试验，AI 组少了 17 分
另一项研究来自 Anthropic 研究员 Judy Hanwen Shen 和 Alex Tamkin，于 2026 年 1 月 29 日发布。研究纳入 52 名初级软件工程师，所有人都学习同一个新的 Python 套件 Trio。全部参与者都能联网搜索并查阅官方文档，其中一半额外获得 AI 助手支持。
测试结果显示，AI 组事后测验平均得分为 50%，手动编码组为 67%，两组相差 17 个百分点，研究将其描述为大致相当于两个字母等级的差距。时间方面，AI 组平均只快了约 2 分钟，且未达到统计显著。这意味着，速度提升有限，理解深度的损失却更清楚。
研究还指出，退化最明显的是除错能力。两位研究员特别提到，识别并捕捉 AI 生成内容中的错误，仍是最关键的人类监督任务之一。如果工程师把这部分工作长期交给 AI，后续发现 AI 错误的能力也会被削弱。
AI ��于探索还是直接代劳，结果差距明显
这项试验还给出一个值得区分的细节：把 AI 用在“概念探索”的工程师，最终得分达到 65%以上；把“代码生成”几乎完全交给 AI 的工程师，得分则低于 40%。同样是使用 AI，不同用法带来的结果相差 25 个百分点。
两项研究讨论的重点，不是 AI 是否有用，而是人在长期使用 AI 后，一旦脱离辅助，还保留多少原本应具备的判断与执行能力。就现有材料看，学界对 AI 辅助的最佳使用频率仍缺乏共识，如何在 AI 环境中维持核心技能，也还没有经过验证的干预方案。